pytorch Variable变量

矫情吗；* 2023-06-27 08:36 41阅读 0赞

1： tensor不能反向传播，variable可以反向传播。

2：Variable计算时，它会逐渐地生成计算图。这个图就是将所有的计算节点都连接起来，最后进行误差反向传递的时候，一次性将所有Variable里面的梯度都计算出来，而tensor就没有这个能力。

3：variable 如何转化为numpy

`4：Variable`有一个名叫`data`的字段，可以通过它获得被包装起来的那个原始的`Tensor`数据。同时，使用`grad`字段，可以获取梯度（也是一个`Variable`）。

5：每个`Variable`有一个`creator`的字段，表明了它是由哪个`Function`创建的（除了用户自己显式创建的那些，这时候`creator`是`None`）

6:  当进行反向传播计算梯度时，如果`Variable`是标量（比如最终的`loss`是欧氏距离或者交叉熵），那么`backward()`函数不需要参数。然而如果`Variable`有不止一个元素的时候，需要为其中的每个元素指明其（由上层传导来的）梯度（也就是一个和`Variable`shape匹配的`Tensor`）

import numpy as np
    import torch
    import torch.nn as nn
    import torch.nn.functional as F
    from torch.autograd import Variable
    
    import torch
    from torch.autograd import Variable # torch 中 Variable 模块
    tensor = torch.FloatTensor([[1,2],[3,4]])
    # 把鸡蛋放到篮子里, requires_grad是参不参与误差反向传播, 要不要计算梯度
    variable = Variable(tensor, requires_grad=True)
    var = Variable(tensor )  ### 默认是不参与反向传播，如果需要则需要在代码里面声明
    print("tensor:",tensor)
    print("variable:",variable)
    print("var:",var)
    
    #### 获取Variable 的数据
    print(variable.data.numpy()) ###variable  数据转化为numpy 的类型

运行结果：

PS F:\\Graduation project\\deeplearning> python .\\c.py  
tensor: tensor(\[\[1., 2.\],  
        \[3., 4.\]\])  
variable: tensor(\[\[1., 2.\],  
        \[3., 4.\]\], requires\_grad=True)  
var: tensor(\[\[1., 2.\],  
        \[3., 4.\]\])  
\[\[1. 2.\]  
 \[3. 4.\]\]